Je třeba rozlišovat cíle samotného projektu a cíle využívání analytiky v něm.

Cílem projektu může být materiální zisk, upevnění pozice nebo zachování výsledků s nižším úsilím. V tomto ohledu musíme mít jasno, jinak je pro nás analytika pouze ztrátou času.

Tento článek se bude zabývat tím, co dokáže přinést analytický přístup. Také je třeba zmínit, že analytikou není myšlen nějaký konkrétní produkt, ale systematické využívání znalostí získaných sběrem a vyhodnocováním dat.

Výchozí situace

Vždy, když se rozhodujeme, zvažuje náš mozek mnoho parametrů. Přehrává si podobné zážitky a podle jejich výsledku se snaží určit řešení, které vede k úspěchu. Staneme-li se v nějakém oboru experty, je to proto, že jsme v něm již prošli většinou rozhodnutí a známe proto správná řešení s vyšší jistotou. Naučili jsme se vnímat také působení okolního prostředí a víme, jak může výsledek ovlivnit.

Tomuto způsobu rozhodování říkáme také „intuice‟. Některé zdroje uvádějí, že tento způsob rozhodování není podložen racionálním zdůvodněním. Je ale z velké části podmíněn zkušeností. Kdy nazýváme nějaký prvek „intuitivní‟? Jak většina lidí pozná, že prvek vypadající jako tlačítko po kliknutí zareaguje? Už podobný prvek mnohokrát viděli.

Čistě z kapacitních důvodů ale nemůžeme být experty na všechno.

Naše prostředí je tvořeno a ovlivňováno technologiemi, složitou lidskou psychologií nebo počasím. Neustále se mění. Je dost pravděpodobné, že se právě chystáte k rozhodnutí, které před vámi ještě nikdo neudělal.

Jak stanovit cíle analytiky

Každá cílevědomá aktivita má tři úrovně, díky kterým se dokážeme soustředit na výsledek. Nejčastěji je rozlišujeme podle toho, jak daleko do budoucnosti se dívají. Nejdále se dívá strategie, střední horizont řeší taktika a bezprostřední kroky exekuce.

Máme-li jasně stanoveny cíle projektu, je hlavním úkolem analytiky schopnost poznat, zda se ke stanovenému cíli blížíme nebo se od něj vzdalujeme.

Zvlášť důležitá je rychlost, kterou se k nám tato informace dostane.

Strategie

Dlouhodobým cílem analytiky je získání schopnosti rychle se rozhodnout na základě dat. A to pro všechny zúčastněné, kteří nějaká rozhodnutí dělají. To předpokládá stanovení rámců metrik, které dokážeme měřit a snadno podle nich vyhodnotit náš postup k cíli. Součástí životaschopné strategie je navíc systematické vylepšování takových rámců pro každého z příjemců.

Nemůžeme se držet pouze prošlapaných cest. Stejně jako Achilles nedožene želvu, my nepředstihneme naši konkurenci, protože v momentě kdy zopakujeme její úspěšnou strategii, bude již o další krok před námi. Způsob, jak se k cíli dostat rychleji, je experiment. Ten ale musíme být schopní velmi rychle a přesně vyhodnotit.

Povšimněte si, že experiment má za úkol ověřit již stanovenou hypotézu. Proto k analytice nikdy nelze přistupovat tak, že sama o sobě přinese nějaké poznání. Zdrojem našeho poznání je správná konstrukce hypotézy a experimentu a objektivní interpretace naměřených dat.

Taktika

K získání dostatečně dobrého rámce základních metrik nesmíme nikdy otrocky přijmout aktuální dostupný stav. Musíme převzít otěže a přítomnost každé metriky v našem rámci musíme podrobit zpochybňování. Také si nesmíme si nechat vnutit metriky, které sami nechápeme.

Dejte si pauzu a podívejte se do Google Analytics. Spočítejte všechny reporty, které dostanete zdarma jen za to, že si do stránek vykopírujete základní měřicí skripty. Co opravdu znamenají? Kolik z nich má přímou vazbu na cíle vašeho projektu?

Pokud zjistíme, že nemá metrika dostatečnou vypovídací hodnotu, je nutné se s ní rozloučit.

Vzpomeňte si na několik překonaných metrik, které kdysi byly na výsluní, ale dnes jsou zatracovány. Ještě vyhodnocujete úspěch svých kampaní podle počtu prokliků? Úspěch svých aktivit v sociálních sítích podle počtu fanoušků? Nebo snad optimalizaci pro vyhledávače podle pozic na stránkách s výsledky?

Stejně tak je nutné neustále hledat metriky nové. Takové, které rostou, když se nám daří a klesají když strádáme. Jenom tak se takové metriky stanou dostatečně dobrým „zjednodušením‟, díky kterému se budeme moci více soustředit na rozvoj a méně na samotné vyhodnocování.

Žádný z nástrojů bohužel neumí sám poznat, které metriky jsou pro vás ty nejlepší. Takové metriky nejsou navíc obvykle triviální a k jejich měření je nutné sáhnout po řešení na míru.

Přestavte si například metriku „podíl stávajících zákazníků, kteří za poslední měsíc přišli na web a nenakoupili‟. Jak změříte, kdo je stávající zákazník? Jak poznáte, že měsíc je pro tuto metriku vhodná doba? Tyto parametry vycházejí z kontextu právě vašeho podnikání a neexistuje žádné řešení, které by je odhadlo za vás.

Udržet soudržný a akceschopný okruh klíčových metrik je obtížné. Pokud se to nedaří, pomohou nám prověřené podvody na vlastní mozek. Je prokázáno, že pravidelnost a jasně stanovené hranice náš mozek přijímá snadněji. Stanovme si, že budeme pravidelně sledovat pouze daný omezený počet klíčových metrik. Pokud nějaká z nich nebude dostatečně vypovídající, nahraďme ji jinou. Pokud objevíme lepší metriku, měli bychom jinou vyřadit.

Další důležitá taktika se týká využívání nástrojů. Protože i kvalita a schopnosti nástrojů se v čase mění, je nutné udržet přehled o tom, zda nějaký nový nástroj nebude plnit naše požadavky na kvalitu sledování lépe.

Exekuce

Zvládnutí technického řešení

Pokud je součástí naší taktiky hledání těch nejlepších metrik, musíme mít schopnost měření svižně upravovat a validovat, zda jsou naměřená data lepší. Pokud trvá úprava měření půl roku, jsou naše možnosti značně omezené.

Žádná technologie není dokonalá. Měřená data realitu pouze modelují, protože její většinu neměříme a měřit nedokážeme. Přesto se musíme vyvarovat toho, abychom se díky chybám zabývali zcela špatnými daty.

Hledáme proto efektivnější procesy a způsoby automatizace, kterými snižujeme riziko chyb.

Zavzpomínejte, kdy vám naposledy přinesla problémy absence měřicích skriptů na některých stránkách. Stejně tak je velmi obtížné vyhodnocování úspěšnosti investic do reklamy, pokud nedokážete s jistotou říci, která kampaň přivedla návštěvníky na váš web.

Zvyšování vypovídací hodnoty

Dále se snažíme zlepšit řešení samotného měření tak, aby výsledná data lépe popisovala realitu.

Pokud například identifikujete unikátní návštěvníky pouze podle cookie, utrpí přesnost vašich měření tím, že přistupují na váš web z mnoha zařízení nebo prohlížečů nebo si pravidelně cookies mažou. V takovém případě je namístě snaha lépe změřit alespoň chování zákazníků, kteří se k provedení akce musejí sami identifikovat (například přihlásit).

Efektivnější distribuce

Jak bylo zmíněno dříve, klíčovým faktorem je zde rychlost. Na exekutivní úrovni bychom proto měli usilovat o dřívější doručení zvolených klíčových metrik do rukou člověka, který je potřebuje ke svému rozhodování.

S tím, jak naše podnikání roste, řešíme postupně více a více oblastí, kde může analytika pomoci. S růstem projektu se zapojuje více lidí, děláme více aktivit a to všechno znamená větší množství dat. Ochota lidí přijímat výstupy z analytiky často velmi trpí tím, že jsou zahlcení množstvím výstupů, které pro ně nejsou relevantní. Musíme se proto velmi detailně obeznámit s potřebami všech zúčastněných a nabídnout jim přesně cílenou sestavu metrik v takové podobě, která pro ně bude stravitelná.

Shrnutí

Mějme na paměti, že naše schopnost využívat analytiku pro dobro našeho projektu je úměrná našemu úsilí o kvalitu technického řešení a zvolených sledovaných metrik stejně jako schopnosti doručit včas relevantní data těm, kteří je potřebují.

Napsat komentář

Vaše emailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *